GridSearchCV得分与错误函数之间的差异

Question

使用自定义错误函数时，GridSearchCV的best_score_是什么意思？

我正在使用Scikit GridSearchCV进行简单的实验。

1）训练简单的svm：

from sklearn.svm import LinearSVR
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error

lin_svm_grid_params = dict(svm__C = [0.01])
lin_svm = Pipeline([("scaler", StandardScaler()), ("svm", LinearSVR(dual=False, loss='squared_epsilon_insensitive'))]) 
lin_svm_grid = GridSearchCV(lin_svm, lin_svm_grid_params, cv = 10, scoring='mean_squared_error', n_jobs = -1)
lin_svm_grid.fit(x, y)

2）打印结果：

print lin_svm_grid.best_score_
print mean_squared_error(y, lin_svm_grid.best_estimator_.predict(x))
-610.141599985
236.578850489

所以这是主要的麻烦：为什么价值观不同？我猜GridSearchCV得分是R ^ 2得分，我可以使GridSearchCV返回错误函数值而不是R ^ 2吗？